Normalização de Dados de Produtos para IA
Ao trabalhar com Agentes de IA, respostas JSON brutas de APIs frequentemente precisam ser limpas e reestruturadas antes de serem utilizadas de forma eficaz. O objetivo desta etapa é pegar os dados não processados do nó Rainforest HTTP, simplificá-los em um único pacote de dados compatível com LLM e enviá-los para o Agente de IA sem enfrentar o temido problema "[object Object]".
Verificar o que o nó HTTP realmente retornou
A solicitação HTTP do Rainforest já fornece tudo o que é necessário para construir um resumo de produto significativo:
- asin;
- title;
- brand;
- categories;
- rating e total_reviews;
- images;
- bullet points;
- rank / BSR;
- offers e buy box;
- keyword list.
Esses dados já são mais do que suficientes para análise por IA, portanto, não há necessidade de fazer outra solicitação. Em vez disso, utilize o que já está disponível.
Se você arrastar o objeto do produto para o campo context do Agente de IA, perceberá que o n8n exibe [object Object]. Isso ocorre porque o campo de contexto espera texto simples, não um objeto aninhado. Mesmo que LLMs possam ler JSON, o campo aceita apenas uma string, então é necessário achatar e transformar em string os dados primeiro.
Normalizando os Dados com um Nó de Código
Logo após a solicitação HTTP, adicione um nó Code. Você pode utilizar o ChatGPT para gerar a lógica de transformação, basta compartilhar a saída do Rainforest e pedir:
Cole o código no nó, configure para executar uma vez para todos os itens e execute. Agora você deve ver um único objeto limpo com todos os dados do produto agrupados e prontos.
Se o Agente de IA ainda mostrar [object Object], isso significa que a estrutura está correta, mas ainda não foi convertida em string. Nesse caso, atualize seu nó de Código para gerar a saída:
return [{ json: { data: JSON.stringify(items[0].json) } }];
ou utilize um nó Aggregate para unir tudo em uma lista antes de converter em string.
Você não está realmente programando aqui, apenas testando o código gerado por um LLM. Se algo falhar, copie a mensagem de erro exata e cole no ChatGPT para que ele corrija para você.
Conexão com o Agente de IA
Quando a saída estiver correta, adicione seu nó AI Agent (Gemini, OpenAI, etc.) e cole seu prompt de sistema no campo Instruction. Por exemplo:
Execute o fluxo de trabalho. O modelo agora deve gerar um resumo limpo e estruturado incluindo:
- Um breve panorama do produto;
- Pontos positivos (avaliações, conteúdo A+, selos);
- Pontos negativos (poucas imagens, palavras-chave ausentes);
- Correções e sugestões de palavras-chave.
Se desejar que o modelo faça perguntas de esclarecimento antes de responder, basta adicionar esta linha ao seu prompt:
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Incrível!
Completion taxa melhorada para 4.17Normalização de Dados de Produtos para IA
Deslize para mostrar o menu
Ao trabalhar com Agentes de IA, respostas JSON brutas de APIs frequentemente precisam ser limpas e reestruturadas antes de serem utilizadas de forma eficaz. O objetivo desta etapa é pegar os dados não processados do nó Rainforest HTTP, simplificá-los em um único pacote de dados compatível com LLM e enviá-los para o Agente de IA sem enfrentar o temido problema "[object Object]".
Verificar o que o nó HTTP realmente retornou
A solicitação HTTP do Rainforest já fornece tudo o que é necessário para construir um resumo de produto significativo:
- asin;
- title;
- brand;
- categories;
- rating e total_reviews;
- images;
- bullet points;
- rank / BSR;
- offers e buy box;
- keyword list.
Esses dados já são mais do que suficientes para análise por IA, portanto, não há necessidade de fazer outra solicitação. Em vez disso, utilize o que já está disponível.
Se você arrastar o objeto do produto para o campo context do Agente de IA, perceberá que o n8n exibe [object Object]. Isso ocorre porque o campo de contexto espera texto simples, não um objeto aninhado. Mesmo que LLMs possam ler JSON, o campo aceita apenas uma string, então é necessário achatar e transformar em string os dados primeiro.
Normalizando os Dados com um Nó de Código
Logo após a solicitação HTTP, adicione um nó Code. Você pode utilizar o ChatGPT para gerar a lógica de transformação, basta compartilhar a saída do Rainforest e pedir:
Cole o código no nó, configure para executar uma vez para todos os itens e execute. Agora você deve ver um único objeto limpo com todos os dados do produto agrupados e prontos.
Se o Agente de IA ainda mostrar [object Object], isso significa que a estrutura está correta, mas ainda não foi convertida em string. Nesse caso, atualize seu nó de Código para gerar a saída:
return [{ json: { data: JSON.stringify(items[0].json) } }];
ou utilize um nó Aggregate para unir tudo em uma lista antes de converter em string.
Você não está realmente programando aqui, apenas testando o código gerado por um LLM. Se algo falhar, copie a mensagem de erro exata e cole no ChatGPT para que ele corrija para você.
Conexão com o Agente de IA
Quando a saída estiver correta, adicione seu nó AI Agent (Gemini, OpenAI, etc.) e cole seu prompt de sistema no campo Instruction. Por exemplo:
Execute o fluxo de trabalho. O modelo agora deve gerar um resumo limpo e estruturado incluindo:
- Um breve panorama do produto;
- Pontos positivos (avaliações, conteúdo A+, selos);
- Pontos negativos (poucas imagens, palavras-chave ausentes);
- Correções e sugestões de palavras-chave.
Se desejar que o modelo faça perguntas de esclarecimento antes de responder, basta adicionar esta linha ao seu prompt:
Obrigado pelo seu feedback!
